「视频到音乐」共找到 2980 篇相关文章
3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%
中科院自动化所提出BridgeVLA模型，将3D输入投影为2D图像并利用2D热图进行动作预测。它训练分两阶段，在多仿真基准和真机实验表现卓越，仅3条轨迹基础任务成功率达96.8%，真机性能提升32%。
百度在 AI IDE 上的决心
百度发布国内首个多模态、多智能体协同的AI IDE：Comate AI IDE。其功能完备，百度在AI IDE赛道决心大。随着模型和Agent能力提升，百度认为未来IDE竞争本质是Agent竞争，其早有相关布局。
哈佛重磅预警！经济学家预言：全球AI失业潮2年来袭，世界经济大崩盘在即
哈佛商学院视频采访美国经济学家Anton Korinek，他预警AGI可能2 - 5年实现，AI失业潮将席卷全球，经济或崩溃。他还谈及AI对经济影响、普通人应对办法，建议重新思考收入分配制度等。
高考第一天，用豆包修图3.0花式「整活」送祝福，已原地笑翻！
豆包的一句话P图功能进化，其图像编辑模型SeedEdit 3.0全量上线，AI修图进入3.0时代。用自然语言就能精准编辑图片，在文字编辑、局部修改等方面表现出色，还突破以往模型瓶颈，成设计师利器。
马斯克公布SpaceX火星新计划，迈向多行星生命之路！
马斯克在德州Starbase公布SpaceX火星最新计划，介绍从Starbase发展、星舰生产目标、技术突破到火星城市建设等多方面内容，展示人类成多行星物种的清晰路线，还提及火星时间表等信息。
干货超标！腾讯混元3D负责人郭春超：真正的3D AIGC革命，还没开始！
腾讯混元团队推出开源项目 Hunyuan 3D 成焦点。腾讯混元 3D 负责人郭春超在 2025 全球机器学习技术大会上表示，真正的 3D AIGC 革命还未开始，分享了 3D 生成现状、挑战及未来等核心洞察。
毫秒响应延迟！开源统一语音对话模型Voila
Voila是开源统一语音对话模型，能以自发、实时且有情感的方式与人类互动。它采用全新端到端架构，响应延迟仅195毫秒，支持超百万种预构建声音，适用于多种语音应用。
SGLang 的 DeepSeek-V4.1 Flash Day 0 优化实录：4×B300 上 BS=1 达到 764 tokens/s
本文是SGLang团队的DeepSeek-V4.1 Flash Day 0优化实录，详解了架构适配、KV cache压缩、kernel优化到DSpark适配全流程，公开4×B300 GPU实测吞吐数据，附复现代码与步骤
李飞飞首个多模态世界模型 Atlas 正式发布：从零开始预训练，几张图就能构建世界
李飞飞创办的 World Labs 发布多模态世界模型 Atlas，可原生处理多类型数据，有世界生成、重建和模拟等能力。还介绍其研发历程、技术特点，以及 World Labs 收购、融资等情况。
Claude一天3崩！API、App、Cowork全挂，打工人集体抓瞎
8月24日Claude一天崩三次，Anthropic状态页三次变红又宣布恢复，但用户仍打不开。故障从中午持续到下午，波及多个产品。8月故障频发，还存在算力枯竭、模型变笨等问题。